JP5482206B2 - Information processing apparatus, information processing method, and program - Google Patents
Information processing apparatus, information processing method, and programDownload PDFInfo
- Publication number
- JP5482206B2 JP5482206B2JP2010001017AJP2010001017AJP5482206B2JP 5482206 B2JP5482206 B2JP 5482206B2JP 2010001017 AJP2010001017 AJP 2010001017AJP 2010001017 AJP2010001017 AJP 2010001017AJP 5482206 B2JP5482206 B2JP 5482206B2
- Authority
- JP
- Japan
- Prior art keywords
- information
- unit
- program
- user
- user preference
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
- 230000010365information processingEffects0.000titleclaimsdescription61
- 238000003672processing methodMethods0.000titleclaimsdescription5
- 238000003384imaging methodMethods0.000claimsdescription26
- 239000013598vectorSubstances0.000description98
- 238000000034methodMethods0.000description30
- 238000001514detection methodMethods0.000description9
- 238000010586diagramMethods0.000description7
- 230000005236sound signalEffects0.000description6
- 238000004364calculation methodMethods0.000description5
- 238000012986modificationMethods0.000description5
- 230000004048modificationEffects0.000description5
- 238000004891communicationMethods0.000description4
- 238000004519manufacturing processMethods0.000description3
- 230000002123temporal effectEffects0.000description3
- 125000002066L-histidyl groupChemical group[H]N1C([H])=NC(C([H])([H])[C@](C(=O)[*])([H])N([H])[H])=C1[H]0.000description2
- 230000001186cumulative effectEffects0.000description2
- 239000000284extractSubstances0.000description2
- 239000004065semiconductorSubstances0.000description2
- 230000006399behaviorEffects0.000description1
- 230000005540biological transmissionEffects0.000description1
- 230000000295complement effectEffects0.000description1
- 230000002349favourable effectEffects0.000description1
- 239000004973liquid crystal related substanceSubstances0.000description1
- 229910044991metal oxideInorganic materials0.000description1
- 150000004706metal oxidesChemical class0.000description1
- 230000000007visual effectEffects0.000description1
Images
Classifications
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4668—Learning process for intelligent management, e.g. learning user preferences for recommending movies for recommending content, e.g. movies
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/41—Structure of client; Structure of client peripherals
- H04N21/422—Input-only peripherals, i.e. input devices connected to specially adapted client devices, e.g. global positioning system [GPS]
- H04N21/4223—Cameras
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/43—Processing of content or additional data, e.g. demultiplexing additional data from a digital video stream; Elementary client operations, e.g. monitoring of home network or synchronising decoder's clock; Client middleware
- H04N21/442—Monitoring of processes or resources, e.g. detecting the failure of a recording device, monitoring the downstream bandwidth, the number of times a movie has been viewed, the storage space available from the internal hard disk
- H04N21/44213—Monitoring of end-user related data
- H04N21/44218—Detecting physical presence or behaviour of the user, e.g. using sensors to detect if the user is leaving the room or changes his face expression during a TV program
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H—ELECTRICITY
- H04—ELECTRIC COMMUNICATION TECHNIQUE
- H04N—PICTORIAL COMMUNICATION, e.g. TELEVISION
- H04N21/00—Selective content distribution, e.g. interactive television or video on demand [VOD]
- H04N21/40—Client devices specifically adapted for the reception of or interaction with content, e.g. set-top-box [STB]; Operations thereof
- H04N21/45—Management operations performed by the client for facilitating the reception of or the interaction with the content or administrating data related to the end-user or to the client device itself, e.g. learning user preferences for recommending movies, resolving scheduling conflicts
- H04N21/466—Learning process for intelligent management, e.g. learning user preferences for recommending movies
- H04N21/4667—Processing of monitored end-user data, e.g. trend analysis based on the log file of viewer selections
Landscapes
- Engineering & Computer Science (AREA)
- Databases & Information Systems (AREA)
- Multimedia (AREA)
- Signal Processing (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Social Psychology (AREA)
- Computer Networks & Wireless Communication (AREA)
- Two-Way Televisions, Distribution Of Moving Picture Or The Like (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
Description
Translated fromJapanese本発明は、映像を含む番組の再生を行うと共にユーザの嗜好に基づいて推薦番組を判定する情報処理装置、情報処理方法およびプログラムに関する。 The present invention relates to an information processing apparatus, an information processing method, and a program for reproducing a program including video and determining a recommended program based on user's preference.
従来、例えば、テレビジョン放送やラジオ放送などにおいて、ユーザに対して番組を推薦する場合には、電子番組ガイド（ＥＰＧ：Electronic Program Guide）などの番組情報（番組メタデータ）を基に、ユーザの嗜好情報にマッチングする番組が選択された。ユーザへの番組の推薦方法は、ユーザ嗜好データの取得の方法によって異なり、例えば、初期にユーザの興味に関する情報を登録してもらい、その情報に基づいて、番組を推薦する初期興味登録方式、ユーザが過去に視聴した番組の履歴を利用して、番組を推薦する視聴履歴利用方式などの方法があった。 Conventionally, for example, when a program is recommended to a user in television broadcasting or radio broadcasting, the user's information is based on program information (program metadata) such as an electronic program guide (EPG). A program matching the preference information was selected. The method of recommending a program to the user differs depending on the method of acquiring user preference data. For example, an initial interest registration method for recommending a program on the basis of information on the user's interest and registering the user based on the information. However, there is a method such as a viewing history usage method that recommends a program using the history of a program viewed in the past.
初期興味登録方式では、利用開始時に、例えば、好きな番組カテゴリー（例えば、ドラマ、バラエティ、など）、好きなジャンル（推理もの、お笑いもの、など）、または、好きなタレント名などをユーザに登録してもらい、これらの情報をキーワードとして、番組メタデータとの間でマッチングを取ることにより、推薦すべき番組名が取得されるようになされている。 In the initial interest registration method, at the start of use, for example, a favorite program category (for example, drama, variety, etc.), a favorite genre (inference, comedy, etc.), or a favorite talent name is registered with the user. By using this information as a keyword and matching with program metadata, the name of the program to be recommended is acquired.
しかしながら、初期登録方式を基に、番組を選択する場合、ユーザが初期登録を行った時期の固定的な興味しか反映できない上、詳細な情報を得るためには、ユーザの登録操作が複雑になってしまう。これに対して、初期設定の登録情報の入力操作を簡単にするために、登録される情報数を少なくしてしまった場合、大まかなユーザの嗜好情報を基にした推薦しかできないので、ユーザの嗜好に合致する番組が選択される精度が低いものとなってしまう。 However, when selecting a program based on the initial registration method, only a fixed interest at the time when the user performed the initial registration can be reflected, and the user's registration operation becomes complicated in order to obtain detailed information. End up. On the other hand, if the number of registered information is reduced in order to simplify the initial registration information input operation, the user can only make recommendations based on user preference information. The accuracy of selecting a program that matches the preference will be low.
これに対し、視聴履歴利用方式では、ユーザが番組を視聴するたびに、視聴された番組メタデータが蓄積され、ある程度、履歴メタデータが蓄積されると、そのメタデータが解析されて、例えば、好きな番組カテゴリー、好きなジャンル、または、好きなタレント名などの情報が取得される。そして、これらの情報をキーワードとして、番組メタデータとの間でマッチングを取ることにより、推薦すべき番組名が取得される。したがって、初期登録方式におけるようなユーザの面倒な登録操作が不要である。 On the other hand, in the viewing history utilization method, each time a user views a program, the viewed program metadata is accumulated, and when the history metadata is accumulated to some extent, the metadata is analyzed, for example, Information such as a favorite program category, a favorite genre, or a favorite talent name is acquired. Then, by using these pieces of information as keywords and matching with program metadata, a program name to be recommended is acquired. Therefore, a troublesome registration operation by the user as in the initial registration method is unnecessary.
また、視聴履歴利用方式として、番組の属性を、例えば、タイトル、ジャンル、出演者などの決められた属性項目毎のベクルト情報として表現する一方で、視聴履歴をもとに視聴者の嗜好を表す同様のベクトル情報を作成し、各々を比較して、視聴者の嗜好に合った番組を提示する技術が開示されている（例えば、特許文献１）。 In addition, as a viewing history utilization method, for example, program attributes are expressed as vector information for each attribute item determined such as a title, a genre, and a performer, while the viewer's preference is expressed based on the viewing history. A technique has been disclosed in which similar vector information is created, and each program is compared to present a program that matches the viewer's preference (for example, Patent Document 1).
ところで、家庭内では、様々なユーザが放送番組を視聴し、また、同時に視聴するユーザの数も様々である。しかし、視聴履歴を利用して番組を推薦する方式では、番組を同時に視聴するユーザの数が考慮されることない。このため、特定のユーザの嗜好が番組推薦の結果に過剰に反映される傾向が生じるなど、良好な推薦番組が得られない場合があった。 By the way, in the home, various users view the broadcast program, and the number of users who view the program at the same time varies. However, the method of recommending a program using the viewing history does not consider the number of users who view the program at the same time. For this reason, there is a case where a favorable recommended program cannot be obtained, for example, a tendency that a specific user's preference is excessively reflected in a result of program recommendation.
以上のような事情に鑑み、本発明の目的は、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習を良好に行うことができ、良好な番組推薦結果を得ることのできる情報処理装置、情報処理方法およびプログラムを提供することにある。 In view of the circumstances as described above, an object of the present invention is to provide an information processing apparatus and information that can perform good learning of user preference vectors obtained by integrating the preferences of a plurality of users and obtain good program recommendation results. It is to provide a processing method and a program.
上記目的を達成するため、本発明の一形態に係る情報処理装置は、ユーザにより選択された放送番組を受信し、再生する放送信号処理部と、前記再生された放送番組を視聴するユーザの数を視聴者人数として取得する視聴者情報取得部と、放送中の１以上の放送番組の特徴情報を取得する特徴情報取得部と、複数のユーザの嗜好を統合したユーザ嗜好情報を記憶するユーザ嗜好情報記憶部と、少なくとも、前記再生された放送番組について前記特徴情報取得部により取得された特徴情報と前記視聴者情報取得部により取得された視聴者人数とをもとに、前記ユーザ嗜好情報記憶部に記憶されたユーザ嗜好情報の学習を行うユーザ嗜好情報作成部と、前記放送中の放送番組の中から前記ユーザ嗜好情報をもとに推薦番組を判定する推薦番組判定部とを具備する。 In order to achieve the above object, an information processing apparatus according to an aspect of the present invention includes a broadcast signal processing unit that receives and reproduces a broadcast program selected by a user, and the number of users who view the reproduced broadcast program. Viewer information acquisition unit that acquires the number of viewers, a feature information acquisition unit that acquires feature information of one or more broadcast programs being broadcast, and a user preference that stores user preference information that integrates the preferences of multiple users Based on the information storage unit and at least the feature information acquired by the feature information acquisition unit and the number of viewers acquired by the viewer information acquisition unit for the reproduced broadcast program, the user preference information storage A user preference information creation unit that learns user preference information stored in the unit, and a recommended program determination that determines a recommended program based on the user preference information from the broadcast programs being broadcast Comprising the door.
本発明では、ユーザ嗜好情報作成部が、ユーザ嗜好情報の学習において視聴者人数を加味し、視聴者人数が多い程、視聴中の放送番組の特徴情報をユーザ嗜好情報に大きく反映させる。これにより、特定のユーザの嗜好がユーザ嗜好ベクトルの学習に過剰に反映されることが回避される。その結果、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習を良好に行うことができ、良好な番組推薦結果が得られる。例えば、家族のうちの一人だけが視聴している番組よりも、家族なかでより多くの人が好む番組を優先して推薦することが可能となる。 In the present invention, the user preference information creation unit takes into account the number of viewers in learning of user preference information, and as the number of viewers increases, the feature information of the broadcast program being viewed greatly reflects in the user preference information. Thereby, it is avoided that the preference of a specific user is excessively reflected in learning of the user preference vector. As a result, it is possible to satisfactorily learn a user preference vector that integrates the preferences of a plurality of users, and a good program recommendation result is obtained. For example, it is possible to preferentially recommend a program that more people in the family prefer than a program that only one of the family is watching.
本発明は、前記再生された放送番組の再生時間を視聴時間として取得し、前記再生された放送番組の全時間長に対する前記視聴時間の割合を実視聴時間割合として取得する実視聴時間割合取得部をさらに具備し、前記ユーザ嗜好情報作成部は、前記再生された放送番組について前記取得された特徴情報と、前記視聴者情報取得部により取得された視聴者人数と、前記実視聴時間割合取得部により取得された実視聴時間割合とをもとに、前記ユーザ嗜好情報の学習を行うこととしてもよい。例えば、前記ユーザ嗜好情報作成部は、前記実視聴時間割合と前記視聴者人数とから重みを求め、この重みと前記放送番組の前記特徴情報とから前記ユーザ嗜好情報に対する学習用のデータを作成することとしてもよい。 The present invention acquires an actual viewing time ratio acquisition unit that acquires a reproduction time of the reproduced broadcast program as a viewing time, and acquires a ratio of the viewing time with respect to a total time length of the reproduced broadcast program as an actual viewing time ratio. The user preference information creation unit further includes the acquired feature information about the reproduced broadcast program, the number of viewers acquired by the viewer information acquisition unit, and the actual viewing time ratio acquisition unit. The user preference information may be learned based on the actual viewing time ratio acquired by the above. For example, the user preference information creation unit obtains a weight from the actual viewing time ratio and the number of viewers, and creates learning data for the user preference information from the weight and the feature information of the broadcast program. It is good as well.
ユーザ嗜好情報作成部により、放送番組の実視聴時間割合を考慮してユーザ嗜好情報の学習が行われるので、視聴される放送番組が途中でユーザによって切り換えられる場合でのユーザ嗜好情報の学習を良好に行うことができる。 The user preference information creation unit learns the user preference information in consideration of the actual viewing time ratio of the broadcast program, so the user preference information is better learned when the broadcast program to be viewed is switched by the user halfway. Can be done.
本発明は、前記再生された放送番組を視聴中のユーザを撮像するための撮像部をさらに有し、前記視聴者情報取得部は、前記撮像された映像から前記視聴者人数を取得するようにしてもよい。これにより、視聴者人数を正しく、かつユーザからの視聴者人数の入力を要することなく取得することができる。正しく視聴者人数を取得できることによって、ユーザ嗜好情報の学習を良好に行うことができる。 The present invention further includes an imaging unit for imaging a user who is viewing the reproduced broadcast program, and the viewer information acquisition unit acquires the number of viewers from the captured video. May be. Thereby, it is possible to acquire the number of viewers correctly without requiring input of the number of viewers from the user. By correctly acquiring the number of viewers, user preference information can be learned well.
また、前記視聴者情報取得部は、前記撮像された一定周期毎の映像から人の顔の部分を検出し、個々の映像の中から検出された顔部分の数の番組視聴終了時点までの平均値を前記視聴者人数として判定するようにしてもよい。これにより、視聴者人数の時間的な変動を考慮した、より妥当な視聴者人数が得られる。 In addition, the viewer information acquisition unit detects a human face part from the captured video at regular intervals, and the average number of face parts detected from the individual video images until the end of program viewing The value may be determined as the number of viewers. As a result, a more appropriate number of viewers can be obtained in consideration of temporal variations in the number of viewers.
本発明は、前記ユーザ嗜好情報作成部で前記学習が行われたことを前記視聴中のユーザに提示する手段をさらに有するものであってもよい。これにより、視聴中のユーザにどのタイミングで自分の嗜好が学習されたかを示すことが可能になり、番組推薦結果に対するユーザの信頼度向上を期待できる。 The present invention may further include means for presenting to the viewing user that the learning has been performed by the user preference information creation unit. Thereby, it is possible to indicate to the user who is viewing the time when his / her preference is learned, and an improvement in the reliability of the user with respect to the program recommendation result can be expected.
本発明において、前記視聴者情報取得部は、前記放送番組を視聴する複数のユーザをそれぞれ判別して当該複数のユーザの組み合わせとしてのユーザグループを判定し、前記ユーザ嗜好情報記憶部は、前記ユーザグループ毎の前記ユーザ嗜好情報を記憶し、前記ユーザ嗜好情報作成部は、前記判定されたユーザグループ毎の前記ユーザ嗜好情報の学習を行い、前記推薦番組判定部は、放送中の放送番組の中から、前記判定されたユーザグループの前記ユーザ嗜好情報をもとに推薦番組を判定するにしてもよい。これにより、複数のユーザの組み合わせとしてのユーザグループの単位でのユーザ嗜好情報の学習および放送番組の推薦を行うことができ、各々のユーザにとって、より妥当性の高い番組推薦結果が得られる。 In the present invention, the viewer information acquisition unit determines a plurality of users who view the broadcast program, determines a user group as a combination of the plurality of users, and the user preference information storage unit The user preference information for each group is stored, the user preference information creation unit learns the user preference information for each of the determined user groups, and the recommended program determination unit is included in a broadcast program being broadcast. Therefore, the recommended program may be determined based on the user preference information of the determined user group. Thereby, learning of user preference information and recommendation of broadcast programs can be performed in units of user groups as a combination of a plurality of users, and a program recommendation result with higher validity can be obtained for each user.
本発明の別の形態に係る情報処理方法は、放送信号処理部が、ユーザにより選択された放送番組を受信して再生し、視聴者情報取得部が、前記再生された放送番組を視聴中のユーザの数を視聴者人数として取得し、特徴情報取得部が、放送中の１以上の放送番組の特徴情報を取得し、ユーザ嗜好情報作成部が、少なくとも、前記再生された前記放送番組について前記取得された特徴情報と前記取得された視聴者人数とをもとに、複数のユーザの嗜好を統合したユーザ嗜好情報を記憶するユーザ嗜好情報記憶部に記憶された前記ユーザ嗜好情報の学習を行い、推薦番組判定部が、前記放送中の放送番組の中から前記ユーザ嗜好情報をもとに推薦番組を判定するというものである。 An information processing method according to another aspect of the present invention is such that a broadcast signal processing unit receives and reproduces a broadcast program selected by a user, and a viewer information acquisition unit is viewing the reproduced broadcast program. The number of users is acquired as the number of viewers, a feature information acquisition unit acquires feature information of one or more broadcast programs being broadcast, and a user preference information creation unit at least for the reproduced broadcast program Based on the acquired feature information and the acquired number of viewers, the user preference information stored in the user preference information storage unit that stores user preference information that integrates the preferences of a plurality of users is learned. The recommended program determining unit determines a recommended program from the broadcast programs being broadcast based on the user preference information.
本発明の別の形態に係るプログラムは、ユーザにより選択された放送番組を受信し、再生する放送信号処理部と、前記再生された放送番組を視聴するユーザの数を視聴者人数として取得する視聴者情報取得部と、放送中の１以上の放送番組の特徴情報を取得する特徴情報取得部と、複数のユーザの嗜好を統合したユーザ嗜好情報を記憶するユーザ嗜好情報記憶部と、少なくとも、前記再生された放送番組について前記特徴情報取得部により取得された特徴情報と前記視聴者情報取得部により取得された視聴者人数とをもとに、前記ユーザ嗜好情報記憶部に記憶されたユーザ嗜好情報の学習を行うユーザ嗜好情報作成部と、前記放送中の放送番組の中から前記ユーザ嗜好情報をもとに推薦番組を判定する推薦番組判定部としてコンピュータを動作させるものである。 A program according to another embodiment of the present invention receives a broadcast program selected by a user and reproduces the broadcast signal processing unit, and obtains the number of users who view the reproduced broadcast program as the number of viewers. A user information acquisition unit, a feature information acquisition unit that acquires feature information of one or more broadcast programs being broadcast, a user preference information storage unit that stores user preference information that integrates the preferences of a plurality of users, User preference information stored in the user preference information storage unit based on the feature information acquired by the feature information acquisition unit and the number of viewers acquired by the viewer information acquisition unit for the reproduced broadcast program The computer is operated as a user preference information creation unit that performs learning and a recommended program determination unit that determines a recommended program from the broadcast programs being broadcast based on the user preference information. It is intended to be.
以上のように本発明によれば、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習を良好に行うことができ、良好な番組推薦結果を得ることができる。 As described above, according to the present invention, it is possible to satisfactorily learn a user preference vector obtained by integrating the preferences of a plurality of users, and obtain a good program recommendation result.
以下、図面を参照しながら、本発明の実施形態を説明する。
＜第１の実施形態＞
［システムの構成］
図１は、本発明の一実施形態に係る情報処理装置を含むシステム全体の構成を示す図である。同図に示すように、本システムは、１以上の番組提供装置１と情報処理装置２とからなる。Hereinafter, embodiments of the present invention will be described with reference to the drawings.
<First Embodiment>
[System configuration]
FIG. 1 is a diagram illustrating a configuration of an entire system including an information processing apparatus according to an embodiment of the present invention. As shown in the figure, this system includes one or more
番組提供装置１は、例えば、放送局や、ネットワーク上のサーバ装置などである。番組提供装置１は、例えば、地上波、衛星波、インターネットなどの通信媒体を介してデジタル放送番組（以降「番組」と呼ぶ。）を送信する。番組提供装置１は、番組のストリームパケットと、その番組に関する情報であるＥＩＴ（Event Information Table）パケットとを多重化して送信することが可能である。ＥＩＴには、タイトル、番組説明、チャンネルＩＤ（service id：放送規格で定められている情報）、番組開始時間および番組放送時間（番組の長さ）、番組ジャンル、パレンタルレーティング情報（視聴年齢制限情報）、字幕の有無、有料／無料などが含まれ、情報処理装置２においてＥＰＧ（Electronic Program Guide）としても利用可能である。 The
情報処理装置２は、番組提供装置１から地上波、衛星波、インターネットなどの通信媒体を介してデジタル放送信号を受信し、このデジタル放送信号から番組のストリームパケットを分離し、復号することで、番組の映像信号および音声信号を復元し、表示部２１およびスピーカ部（図示省略）を通じて出力する。また、情報処理装置２は、受信したデジタル放送信号の中からＥＩＴパケットを分離し、復号してＥＩＴデータを取得し、このＥＩＴデータをもとに放送中の番組の特徴量をベクトル化した番組特徴量ベクトル（番組の特徴情報）を生成し保存することができる。 The
また、情報処理装置２は、装置本体と一体化された、もしくはケーブルを通じて外部接続された表示部２１と、表示部２１の画面を通じて番組を視聴するユーザ（視聴者Ｕ）を撮像するための撮像部２２を備える。撮像部２２は、視聴者Ｕの主に顔部分を撮像することが可能なように位置と向きが適宜設定される。撮像部２２は、人間の顔画像部分を特定できる程度の解像度を有する撮像素子を用いたもので構わない。もちろん、それ以上の高い解像度を有するものであっても構わない。 In addition, the
情報処理装置２は、撮像部２２により撮像された映像から人の顔の標準的なパターンに類似する部分（顔部分）を検出して視聴者Ｕの人数を取得する。情報処理装置２は、この視聴者人数と、視聴中の番組の全体の長さに対して実際にその番組を視聴した時間の割合（実視聴時間割合）と、再生した番組の特徴情報である特徴量ベクトルとから、複数のユーザの嗜好を統合したユーザ嗜好情報であるユーザ嗜好ベクトルの学習用データを生成する。さらに、情報処理装置２は、番組の視聴毎に生成したユーザ嗜好ベクトルの学習用データを足し合わせるなどしてユーザ嗜好ベクトルの学習を行い、その結果を保存する。そして、情報処理装置２は、放送中の各番組の番組特徴量ベクトルとユーザ嗜好ベクトルとの間のコサイン距離によって表される類似度を算出し、類似度が高い上位所定数の番組を推薦番組として判定する。 The
なお、情報処理装置２は、より具体的には、テレビジョン装置、パーソナルコンピュータ、プレーヤ、ゲーム機、携帯端末（電話機を含む。）などであるが、発明に関して、製品形態は問わない。 More specifically, the
［情報処理装置２の構成の詳細］
次に、本実施形態の情報処理装置２の構成を説明する。
図２は情報処理装置２の構成を示す図である。
同図に示すように、情報処理装置２は、上記の表示部２１、撮像部２２の他、放送信号処理部２３、入力部２４、スピーカ部２５、番組推薦処理部２６を有する。[Details of Configuration of Information Processing Apparatus 2]
Next, the configuration of the
FIG. 2 is a diagram illustrating a configuration of the
As shown in the figure, the
放送信号処理部２３は、番組提供装置１から地上波、衛星波、インターネットなどの通信媒体を介してデジタル放送信号を受信し、このデジタル放送信号から番組のストリームパケットを分離し、復号することで、番組の映像信号および音声信号を復元（再生）し、表示部２１およびスピーカ部２５を通じて出力する。また、情報処理装置２は、受信したデジタル放送信号からＥＩＴパケットを分離し、復号することで、ＥＩＴデータを取得する。この放送信号処理部２３の詳細については後で説明する。 The broadcast
入力部２４は、視聴者Ｕからの各種の操作命令やデータの入力を受け付ける。この入力部２４は、情報処理装置２に本体に一体に設けられたものの他、情報処理装置２に本体に対して無線で各種の操作命令やデータの入力を行うことが可能なリモート型の入力部であってもよい。 The
表示部２１は、放送信号受信部にてデジタル放送信号から復元された映像信号を入力して表示駆動を行う。表示部２１は、具体的には、ＬＣＤ（liquid crystal monitor）、その他の方式の表示素子を用いた表示器などによって構成される。表示部２１は、情報処理装置２に本体に一体に設けられたものの他、情報処理装置２に本体の外部に映像信号用の配線を通じて接続されたものであってもよい。 The
スピーカ部２５は、放送信号受信部にてデジタル放送信号から復元された音声信号を入力して音声出力を行う。スピーカ部２５は、情報処理装置２に本体に一体に設けられたものの他、情報処理装置２に本体の外部に音声信号用の配線を通じて接続されたものであってもよい。 The
撮像部２２は、表示部２１の画面を通して番組を視聴している視聴者Ｕの人数を検出するために必要な映像を時間周期的に取り込むためのものである。前述したように、撮像部２２は、画面を通して番組を視聴中の視聴者Ｕの顔を撮像することが可能なように位置と向きが適宜設定される。撮像部２２は、より具体的には、レンズを通して入ってきた光をＣＣＤ（Charge Coupled Device）、ＣＭＯＳ（Complementary Metal Oxide Semiconductor）などの半導体撮像素子を用いて電気信号に変換する。撮像部２２は、動画撮影を行うものであっても、静止画撮影を行うものであってもよい。映像を取り込む時間周期は、視聴中の視聴者Ｕの人数が変化する時間的な傾向を考慮して適宜選定されるべきである。例えば、１乃至数分程度でよい。 The
番組推薦処理部２６は、再生された番組（視聴者Ｕによって視聴された番組）の特徴量ベクトル、視聴者人数および実視聴時間割合をもとにユーザ嗜好ベクトルの学習を行い、このユーザ嗜好ベクトルと放送中の各番組の特徴量ベクトルとのマッチングにより推薦番組を判定する処理を行う。この番組推薦処理部２６の詳細については後で説明する。 The program
番組推薦処理部２６は、より具体的には、ＣＰＵ（Central Processing Unit）およびメインメモリを含むコンピュータを動作させるプログラムにより実現される。さらに、情報処理装置２は、ハードディスクドライブ、フラッシュドライブなどの不揮発性のストレージ部を有し、受信した番組のビデオデータおよびオーディオデータを記録することが可能である。勿論、ストレージ部に記録された番組のビデオデータおよびオーディオデータを再生することも可能である。ＣＰＵは、放送信号処理部２３、入力部２４、表示部２１、スピーカ部２５、撮像部２２、ストレージ部（図示せず）それぞれの間でのデータの入出力をも制御する。 More specifically, the program
［放送信号処理部２３の構成］
図３は、放送信号処理部２３の構成を示す図である。
放送信号処理部２３は、放送信号受信部２３１、復調・復号部２３２、トランスポートストリーム再生部（ＴＳ再生部）２３３、デマルチプレクサ２３４、ビデオ復号部２３５、オーディオ復号部２３６、データ復号部２３７などを含む。これらは地上波、衛星波、インターネットなどの通信媒体を介してデジタル放送番組を受信する典型的な受信機の構成と同様である。[Configuration of Broadcast Signal Processing Unit 23]
FIG. 3 is a diagram illustrating a configuration of the broadcast
The broadcast
放送信号受信部２３１は、より具体的には、放送局から地上波、衛星波などの放送媒体を介してデジタル放送信号をアンテナを介して選局して受信するチューナや、インターネットなどのネットワークを通じてＩＰマルチキャスト放送信号を受信するネットワーク接続部である。 More specifically, the broadcast
復調・復号部２３２は、放送信号受信部２３１にて受信されたデジタル放送信号を、伝送モード（変調方式、符号化率など）に応じた方法で復調および復号してトランスポートストリーム再生部２３３に供給する。 The demodulation /
トランスポートストリーム再生部２３３は、復調・復号部２３２より供給された信号をもとにトランスポートストリームを再生してデマルチプレクサ２３４に供給する。 The transport
デマルチプレクサ２３４は、トランスポートストリーム再生部２３３より供給されたトランスポートストリームからビデオストリーム、オーディオストリーム、ＥＩＴなどのデータストリームなどを分離し、それぞれビデオ復号部２３５、オーディオ復号部２３６、データ復号部２３７に供給する。 The
ビデオ復号部２３５は、デマルチプレクサ２３４より供給されたビデオストリームを復号し、表示部２１にビデオ信号を供給する。オーディオ復号部２３６は、デマルチプレクサ２３４より供給されたオーディオストリームを復号してスピーカ部２５にオーディオ信号を供給する。データ復号部２３７は、デマルチプレクサ２３４より供給されたデータストリームを復号して番組推薦処理部２６に供給する。 The
［番組推薦処理部２６の構成］
図２に戻って番組推薦処理部２６の構成を説明する。番組推薦処理部２６は、ＥＩＴ取得部２６１（特徴情報取得部）、番組特徴量検出部２６２（特徴情報取得部）、番組特徴量管理部２６３、視聴者人数取得部２６４（視聴者情報取得部）、実視聴時間割合取得部２６５、ユーザ嗜好学習部２６６（ユーザ嗜好情報作成部）、ユーザプロファイル管理部２６７（ユーザ嗜好情報記憶部）、推薦番組判定部２６８、および推薦番組情報出力部２６９を具備する。[Configuration of Program Recommendation Processing Unit 26]
Returning to FIG. 2, the configuration of the program
ＥＩＴ取得部２６１は、放送信号処理部２３にて受信および復号されたＥＩＴデータを取得し、保持する。ここで、取得されるＥＩＴデータとは、現在放送中の番組のＥＩＴデータである。
番組特徴量検出部２６２は、ＥＩＴ取得部２６１にて取得したＥＩＴデータをもとに番組の特徴量ベクトルを生成する。
番組特徴量管理部２６３は、番組特徴量検出部２６２により生成された番組特徴量ベクトルを保存する。The
The program feature
The program feature
視聴者人数取得部２６４は、撮像部２２にて取り込まれた一定周期毎の映像から人の顔の標準的なパターンに類似する部分（顔部分）を検出し、個々の映像の中から検出された顔部分の数の番組視聴終了時点までの平均値を平均視聴者人数として判定し、判定結果をユーザ嗜好学習部２６６に通知する。 The viewer
実視聴時間割合取得部２６５は、番組の再生時に少なくとも１人の視聴者Ｕが存在することが判定された時間を実視聴時間として、この実視聴時間の番組全長時間に対する割合の値を実視聴時間割合として判定し、判定結果をユーザ嗜好学習部２６６に通知する。 The actual viewing time
ユーザ嗜好学習部２６６は、再生された番組の特徴量ベクトルと、視聴者人数取得部２６４により判定された平均視聴者人数と、実視聴時間割合取得部２６５により判定された実視聴時間割合とをもとにユーザ嗜好ベクトルの学習用データを作成する。ユーザ嗜好学習部２６６は、作成した学習用データを用いて、ユーザプロファイル管理部２６６にユーザプロファイルとして保存されているユーザ嗜好ベクトルを最新の内容に更新（学習）する。 The user
ユーザプロファイル管理部２６６は、ユーザ嗜好学習部２６６によって更新（学習）された最新のユーザ嗜好ベクトルをユーザプロファイルとして保存する記憶部である。 The user
推薦番組判定部２６８は、番組特徴量管理部２６３に保存された放送中の各番組の特徴量ベクトルとユーザプロファイル管理部２６６にユーザプロファイルとして保存されたユーザ嗜好ベクトルとの間のコサイン距離によって表される類似度を算出し、類似度が高い上位所定数の番組を推薦番組として判定する。 The recommended
推薦番組情報出力部２６９は、推薦番組判定部２６８により判定された推薦番組に関する情報をＥＩＴデータから抽出して表示部２１を通して視聴者Ｕに提示する。 The recommended program
次に、図４から図６を用いて、本実施形態の情報処理装置２における番組推薦処理部２６の動作を説明する。
番組推薦処理部２６においては、大別して、番組特徴量ベクトルの算出、ユーザ嗜好学習、番組推薦の各処理が行われる。以下に、これらの動作を個別に説明する。Next, the operation of the program
In the program
［番組特徴量ベクトルの算出の動作］
図４は、番組特徴量ベクトル算出の手順を示すフローチャートである。[Calculation of program feature vector]
FIG. 4 is a flowchart showing a procedure for calculating a program feature vector.
（ステップＳ１０１）まず、番組推薦処理部２６において、ＥＩＴ取得部２６１が、トランスポートストリームに多重化して送られてくるＥＩＴデータを放送信号処理部２３より取得し、番組特徴量検出部２６２に供給する。ＥＩＴデータには、例えば、番組ＩＤ、タイトル、ジャンル、放送局、出演者、脚本／原作／演出、内容、チャンネルＩＤ、番組開始時間および番組放送時間、パレンタルレーティング情報（視聴年齢制限情報）、字幕の有無、有料／無料などが含まれる。 (Step S <b> 101) First, in the program
（ステップＳ１０２）次に、番組特徴量検出部２６２が、ＥＩＴ取得部２６１より供給されたＥＩＴデータをもとに項目毎の番組特徴量ベクトルを生成する。ここで、ＥＩＴデータに含まれる項目には、例えば、タイトル（Ｔ）、ジャンル（Ｇ）、時間帯（Ｈ）、放送局（Ｓ）、出演者（Ａ）、脚本／原作／演出（Ｐ）、内容（Ｋ）などがある。番組特徴量検出部２６２は、これらの項目毎の内容から、番組特徴量ベクトル＝（Ｔｍ，Ｇｍ，Ｈｍ，Ｓｍ，Ｐｍ，Ａｍ，Ｋｍ）を生成する。ここで、Ｔｍ，Ｇｍ，Ｈｍ，Ｓｍ，Ｐｍ，Ａｍ，Ｋｍは番組特徴量ベクトル内の項目毎の数値ベクトルである。 (Step S102) Next, the program feature
ここで、「ジャンル」、「放送局」、「時間帯」は種類が限定的であるから、各々の放送局を別々の数値ベクトルで表すことができる。放送局の場合、例えば、放送局が１０局存在するならば、その中で３番目として決められた放送局の数値ベクトルＳｍは｛０，０，１，０，０，０，０，０，０，０｝で表すことができる。ジャンルの場合も同様であり、ジャンルが、例えば、「ドラマ」、「バラエティ」、「スポーツ」、「映画」、「音楽」、「子供向け／教育」、「教養／ドキュメント」、「ニュース／報道」、「その他」に分類されている場合、その中で５番目として決められた「音楽」の数値ベクトルＧｍは｛０，０，０，０，１，０，０，０，０｝で表すことができる。 Here, since “genre”, “broadcast station”, and “time zone” have limited types, each broadcast station can be represented by a separate numerical vector. In the case of a broadcasting station, for example, if there are 10 broadcasting stations, the numerical vector Sm of the broadcasting station determined as the third among them is {0, 0, 1, 0, 0, 0, 0, 0, 0,0}. The same applies to the genre. For example, the genres are “drama”, “variety”, “sports”, “movie”, “music”, “kids / education”, “education / documents”, “news / reports”. ”And“ others ”, the numerical vector Gm of“ music ”determined as the fifth among them is represented by {0, 0, 0, 0, 1, 0, 0, 0, 0}. be able to.
一方、「タイトル」、「出演者」、「脚本／原作／演出」、「内容」など、そのままでは数値ベクトルで表すことのできない項目については、その中に含まれる単語の頻度などによって、項目値（単語）と重み（数値）が対応付けられる。例えば、「東海道冬物語」という「タイトル」の場合、数値ベクトルＴｍは｛東海道＝１，冬＝１，物語＝１｝のように表される。ここで「東海道＝１」は、「東海道」の単語の頻度が「１」であることを意味する。 On the other hand, for items that cannot be expressed as numerical vectors as they are, such as “title”, “performer”, “screenplay / original / directive”, “content”, the item value depends on the frequency of the words contained in the item value. (Word) and weight (numerical value) are associated with each other. For example, in the case of the “title” “Tokaido Winter Story”, the numerical vector Tm is expressed as {Tokaido = 1, Winter = 1, Story = 1}. Here, “Tokaido = 1” means that the frequency of the word “Tokaido” is “1”.
（ステップＳ１０３）以上のようにして番組特徴量検出部２６２によって検出された番組特徴量ベクトルは番組特徴量管理部２６３に保存される。 (Step S103) The program feature quantity vector detected by the program feature
［ユーザ嗜好学習の動作］
次に、ユーザ嗜好学習の動作について説明する。
図５は、ユーザ嗜好学習の手順を示すフローチャートである。[User preference learning]
Next, the user preference learning operation will be described.
FIG. 5 is a flowchart showing a procedure for user preference learning.
（ステップＳ２０１）情報処理装置２において番組が再生されていることとする。この間、番組推薦処理部２６の視聴者人数取得部２６４は、撮像部２２により、番組を視聴している視聴者Ｕの人数を検出するために必要な映像を予め決められた時間周期で取り込む。視聴者人数取得部２６４は、取り込んだ映像から顔部分を検出し、１つの映像から検出された全ての顔部分の数の番組視聴終了時点までの平均値を平均視聴者人数として判定し、その結果をユーザ嗜好学習部２６６に通知する。このようにして平均視聴者人数を判定することによって、視聴者人数の時間的な変動を考慮した、より妥当な視聴者人数が得られることが期待できる。 (Step S201) It is assumed that a program is being reproduced in the
一方、実視聴時間割合取得部２６５は、番組の再生時に少なくとも１人の視聴者が存在することが判定された場合には、その時間の累計値をカウントする。そして実視聴時間割合取得部２６５は、番組の視聴終了時点での時間累計値の、番組全時間に対する割合の値を実視聴時間割合として求め、その結果をユーザ嗜好学習部２６６に通知する。 On the other hand, when it is determined that there is at least one viewer at the time of program playback, the actual viewing time
（ステップＳ２０２）ユーザ嗜好学習部２６６は、視聴者人数取得部２６４からの平均視聴者人数と、実視聴時間割合取得部２６５からの実視聴時間割合を受け取ると、これら平均視聴者人数および実視聴時間割合から重みを計算する。例えば、ユーザ嗜好学習部２６６は、平均視聴者人数に実視聴時間割合を掛け合わせた値を重みとして求める。なお、視聴者人数取得部２６４によって計算された平均視聴者人数が"１"以下の場合には、"１"を実視聴時間割合に乗じた値を重みとすることが望ましい。これは、番組を再生していることそのものに視聴者Ｕの視聴の意思が含まれるという解釈に基づく。これにより、途中までしか再生されなかった番組であっても、その番組の視聴に対して妥当な重みが得られる。 (Step S202) Upon receiving the average number of viewers from the viewer
（ステップＳ２０３）次に、ユーザ嗜好学習部２６６は、求めた重みを、再生された番組（視聴された番組）の少なくとも一部の項目の特徴量ベクトルの各項目の値に掛け合わせてユーザ嗜好ベクトルの学習用データを生成する。ここで、ユーザプロファイル管理部２６６にユーザ嗜好ベクトルが未だ保存されていない場合、ユーザ嗜好学習部２６６は、作成した学習用データをそのままユーザプロファイル管理部２６６にユーザ嗜好ベクトルの初期値として保存する。ユーザプロファイル管理部２６６にユーザ嗜好ベクトルが既に保存されている場合には、ユーザ嗜好学習部２６６は作成した学習用データを用いて、ユーザプロファイル管理部２６６に既にユーザプロファイルとして保存されているユーザ嗜好ベクトルの更新（学習）を行う。 (Step S203) Next, the user
なお、上記の一部の項目とは、特徴量ベクトルが頻度の値を持つ項目、例えば、「タイトル」、「出演者」、「脚本／原作／演出」、「内容」などの項目である。「ジャンル」、「放送局」、「時間帯」などの項目は、特徴量ベクトルの値が頻度の値を持たないので、これらの項目の特徴量ベクトルはユーザ嗜好ベクトルの学習用データの作成には使用されない。 Note that the above-mentioned part of items are items in which the feature vector has a frequency value, for example, items such as “title”, “performer”, “screenplay / original / production”, “content”, and the like. Since items such as “genre”, “broadcasting station”, and “time zone” do not have frequency values, the feature vector of these items can be used to create user preference vector learning data. Is not used.
ユーザ嗜好ベクトルの更新（学習）の具体例を以下に示す。例えば、タイトルが「東海道冬物語」という番組が視聴されたことにより、視聴者人数取得部２６４によって、平均視聴者人数として"２"、実視聴時間割合として"１．５（時間）"が算出されたこととする。ユーザ嗜好学習部２６６は、これらの結果を受けて、２×１．５＝３を重みとして得て、この重みを番組特徴量ベクトル中の「タイトル」の項目の数値ベクトルの頻度の値に掛け合わせる。例えば、数値ベクトルが｛東海道＝１，冬＝１，物語＝１｝だとした場合、これらの頻度の値に重み"３"が掛け合わされることで、数値ベクトルは｛東海道＝３，冬＝３，物語＝３｝になる。その他の項目の数値ベクトルについても同様に重みが掛け合わされる。 A specific example of updating (learning) user preference vectors is shown below. For example, when a program with the title “Tokaido Winter Story” is viewed, the viewer
（ステップＳ２０４）次に、ユーザ嗜好学習部２６６は、以上のようにして求められたユーザ嗜好ベクトルの学習用データを用いて、ユーザプロファイル管理部２６６にユーザプロファイルとして既に保存されているユーザ嗜好ベクトルを更新（学習）する。ここで、ユーザプロファイル管理部２６６にユーザプロファイルとして既に保存されたユーザ嗜好ベクトルとは、今回の更新（学習）以前に、上記と同じ方法で作成あるいは更新（学習）されたユーザ嗜好ベクトルである。 (Step S204) Next, the user
ここで、ユーザ嗜好ベクトルの更新方法の具体例を説明する。
例えば、ユーザ嗜好学習部２６６は、ユーザプロファイル管理部２６６にユーザプロファイルとして既に保存されているユーザ嗜好ベクトルと学習用データとを加算してユーザ嗜好ベクトルの更新結果（学習結果）を得る。ここでユーザ嗜好ベクトルと学習用データとの加算の具体例を「タイトル」の項目の特徴量ベクトルの更新に絞って説明する。Here, a specific example of a user preference vector update method will be described.
For example, the user
ユーザプロファイル管理部２６６にユーザプロファイルとして既に保存されているユーザ嗜好ベクトルにおける「タイトル」の項目の特徴量ベクトルが｛・・・，東海道＝５，冬＝５，物語＝５，・・・｝であるとする。今回計算された学習用データ中の「タイトル」の項目の特徴量ベクトルが｛東海道＝３，冬＝３，物語＝３｝だとした場合、両者の頻度の値を合算することで、更新結果は｛・・・，東海道＝８，冬＝８，物語＝８，・・・｝となる。その他の項目の特徴量ベクトルについても同様に更新が行われる。このようにして、例えば家庭内の複数のユーザの嗜好を統合したユーザ嗜好情報であるユーザ嗜好ベクトルの学習が行われる。 The feature quantity vector of the item “title” in the user preference vector already stored as the user profile in the user
なお、上の例では、ユーザプロファイル管理部２６６にユーザプロファイルとして既に保存されているユーザ嗜好ベクトルと学習用データとを加算した結果をユーザ嗜好ベクトルの更新結果としたが、加算平均の結果をユーザ嗜好ベクトルの更新（学習）結果としてもよい。 In the above example, the result of adding the user preference vector already stored as the user profile in the user
［番組推薦の動作］
次に、番組推薦の動作について説明する。
図６は、番組推薦処理部２６による番組推薦の手順を示すフローチャートである。[Program recommendation behavior]
Next, the program recommendation operation will be described.
FIG. 6 is a flowchart showing a program recommendation procedure by the program
（ステップＳ３０１）推薦番組判定部２６８は、所定のイベントの発生を契機に、番組特徴量管理部２６３に保存された各番組の番組特徴量ベクトルとユーザプロファイル管理部２６６にユーザプロファイルとして保存されたユーザ嗜好ベクトルとの間のコサイン距離によって表される類似度をそれぞれ算出し、類似度が高い上位所定数の番組を推薦番組として判定する。そして推薦番組判定部２６８は、判定結果である推薦番組の番組ＩＤを推薦番組情報出力部２６９に出力する。 (Step S301) The recommended
所定のイベントとしては、例えば、ユーザプロファイル管理部２６６にユーザプロファイルとして保存されているユーザ嗜好ベクトルの更新、情報処理装置２のシステムの立ち上がり、ユーザからの推薦番組の表示要求の入力、一定の時間周期などがある。ユーザは、これらの中から希望するイベントを情報処理装置２に対して設定できることとしてもよい。なお、ユーザにより設定可能な項目としては、上記のほかに、推薦番組の数、推薦番組表示のソート条件、ユーザ嗜好学習の対象となる項目などがある。 As the predetermined event, for example, update of a user preference vector stored as a user profile in the user
（ステップＳ３０２）推薦番組情報出力部２６９は、推薦番組判定部２６８より、判定結果である推薦番組の番組ＩＤを受け取ると、その番組ＩＤをキーに、ＥＩＴ取得部２６１に保持されたＥＩＴデータの中から該当する推薦番組に関する情報を取り出す。そして、推薦番組情報出力部２６９は、取り出した推薦番組に関する情報を表示部２１を通して視聴者Ｕに提示する。 (Step S302) When the recommended program
以上のように、本実施形態の情報処理装置２では、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習が視聴者人数を加味して行われるので、ユーザ嗜好ベクトルの学習に特定のユーザの嗜好が過剰に反映されることが回避される。その結果、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習を良好に行うことができ、良好な番組推薦結果が得られる。例えば、家族のうちの一人だけが視聴している番組よりも、家族なかでより多くの人が好む番組を優先して推薦することが可能となる。 As described above, in the
また、本実施形態では、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習に、視聴者の番組嗜好度を反映する情報である実視聴時間割合を加味したことで、視聴する番組が途中で切り換えられたり中断されたりした場合でも、複数のユーザの嗜好を統合したユーザ嗜好ベクトルの学習を適切に行うことができる。 Further, in the present embodiment, the program to be viewed is in the middle by adding the actual viewing time ratio, which is information reflecting the program preference of the viewer, to learning of the user preference vector that integrates the preferences of a plurality of users. Even in the case of switching or being interrupted, it is possible to appropriately learn user preference vectors that integrate the preferences of a plurality of users.
＜第２の実施形態＞
次に、本発明に係る第２の実施形態の情報処理装置について説明する。
図７は、第２の実施形態の情報処理装置２Ａの構成を示す図である。<Second Embodiment>
Next, an information processing apparatus according to a second embodiment of the present invention will be described.
FIG. 7 is a diagram illustrating a configuration of the
本実施形態の情報処理装置２Ａは、第１の実施形態と同様に放送信号処理部２３、入力部２４、表示部２１、スピーカ部２５、撮像部２２、番組推薦処理部２６Ａを有する。ここで、番組推薦処理部２６Ａ以外の構成は第１の実施形態と同じであるため、これらの詳細な説明は省く。 As in the first embodiment, the
番組推薦処理部２６Ａは、ＥＩＴ取得部２６１（特徴情報取得部）、番組特徴量検出部２６２（特徴情報取得部）、番組特徴量管理部２６３、ユーザグループ判定部２７１（視聴者情報取得部）、実視聴時間割合取得部２６５、ユーザグループ嗜好学習部２７２（ユーザ嗜好情報作成部）、ユーザプロファイル管理部２７３（ユーザ嗜好情報記憶部）、ユーザグループ推薦番組判定部２７４（推薦番組判定部）、および推薦番組情報出力部２６９を具備する。ここで、ユーザグループ判定部２７１、ユーザグループ嗜好学習部２７２、ユーザプロファイル管理部２７３、ユーザグループ推薦番組判定部２７４以外のものは第１の実施形態と同様である。 The program
ユーザグループ判定部２７１は、撮像部２２にて取り込まれた一定周期毎の映像から人の顔の標準的なパターンに類似する部分（顔部分）を検出し、個々の映像の中から検出された顔部分の数の番組終了時点までの平均値を平均視聴者人数として判定する。また、ユーザグループ判定部２７１は、検出されたそれぞれの顔部分の映像と予め登録された複数のユーザの顔のパターン情報との照合により、映像中に視聴者Ｕとして存在する全てのユーザを判別し、判別したユーザもしくはユーザの組み合わせをユーザグループＧｕとして判定する。そして、ユーザグループ判定部２７１は、判定した平均視聴者人数、ユーザグループＧｕの情報をユーザグループ嗜好学習部２７２に通知する。 The user
ユーザグループ嗜好学習部２７２は、ユーザグループＧｕ毎のユーザグループ嗜好ベクトルを学習する。ここでユーザグループ嗜好ベクトルとは、１つの情報処理装置２Ａにおいて個々のユーザグループＧｕ毎に１つ生成され、ユーザグループに属する各ユーザの嗜好を統合したユーザ嗜好情報である。ユーザグループ嗜好学習部２７２は、再生された番組の特徴量ベクトルと、ユーザグループ判定部２７１より出力されたユーザグループＧｕの情報および平均視聴者人数と、実視聴時間割合取得部２６５により判定された実視聴時間割合とをもとにユーザグループ嗜好ベクトルの学習用データを作成する。ユーザグループ嗜好学習部２７２は、作成した学習用データを用いて、ユーザプロファイル管理部２７３に既に保存されている同じユーザグループＧｕのユーザグループ嗜好ベクトルを最新の内容に更新（学習）する。 The user group
ユーザプロファイル管理部２７３は、ユーザグループ嗜好学習部２７２によって更新（学習）された、ユーザグループＧｕ毎に最新のユーザグループ嗜好ベクトルを保存する。すなわち、ユーザプロファイル管理部２７３は、ユーザグループ嗜好学習部２７２によって更新（学習）された最新のユーザグループ嗜好ベクトルを、ユーザグループ毎の嗜好学習の現時点での成果物として保存する記憶部である。 The user
ユーザグループ推薦番組判定部２７４は、番組特徴量管理部２６３に保存された放送中の各番組の特徴量ベクトルと、ユーザプロファイル管理部２７３に保存され、ユーザグループ判定部２７１によって判定されたユーザグループＧｕのユーザグループ嗜好ベクトルとの間のコサイン距離によって表される類似度を算出し、類似度が高い上位所定数の番組をユーザグループ推薦番組として判定する。 The user group recommended
次に、図８および図９を用いて、第２の実施形態の情報処理装置２Ａにおける番組推薦処理部２６Ａの動作を説明する。
番組推薦処理部２６Ａにおいて、番組特徴量ベクトルの算出の動作は第１の実施形態と同様であるので、ここではユーザグループ嗜好学習、ユーザグループ番組推薦の各処理について説明する。Next, the operation of the program
In the program
［ユーザグループ嗜好学習の動作］
図８は、ユーザグループ嗜好学習の手順を示すフローチャートである。[Operation of user group preference learning]
FIG. 8 is a flowchart showing a procedure of user group preference learning.
（ステップＳ４０１）情報処理装置２Ａにおいて番組が再生されているものとする。この間、番組推薦処理部２６Ａのユーザグループ判定部２７１は、撮像部２２より映像を予め決められた周期で取り込む。ユーザグループ判定部２７１は、取り込まれた映像から人の顔の標準的なパターンに類似する部分（顔部分）を検出して、１つの映像から検出された全ての顔部分の数の番組視聴終了時点までの平均値を平均視聴者人数として判定する。さらに、ユーザグループ判定部２７１は、検出されたそれぞれの顔部分の映像と予め登録された複数のユーザの顔のパターン情報との照合により、映像中に視聴者Ｕとして存在する全てのユーザを判別し、判別したユーザもしくはユーザの組み合わせをユーザグループＧｕとして判定する。そして、ユーザグループ判定部２７１は、判定した平均視聴者人数とユーザグループＧｕの情報をユーザグループ嗜好学習部２７２に通知する。 (Step S401) It is assumed that a program is reproduced in the
一方、実視聴時間割合取得部２６５は、番組の再生時に少なくとも１人の視聴者が存在することが判定された場合には、その時間の累計値をカウントする。そして実視聴時間割合取得部２６５は、番組の視聴終了時点での時間累計値の、番組全時間に対する割合の値を実視聴時間割合として求め、その結果をユーザグループ嗜好学習部２７２に通知する。 On the other hand, when it is determined that there is at least one viewer at the time of program playback, the actual viewing time
（ステップＳ４０２）ユーザグループ嗜好学習部２７２は、ユーザグループ判定部２７１からの平均視聴者人数およびユーザグループＧｕの情報と、実視聴時間割合取得部２６５からの実視聴時間割合を受け取ると、平均視聴者人数および実視聴時間割合から重みを計算する。この重みの計算方法は第１の実施形態と同じである。 (Step S402) Upon receiving the average viewer number and user group Gu information from the user
（ステップＳ４０３）次に、ユーザグループ嗜好学習部２７２は、求めた重みを、再生された番組（視聴された番組）の少なくとも一部の項目の特徴量ベクトルの各値に掛け合わせて、当該ユーザグループＧｕのユーザグループ嗜好ベクトルの学習用データを生成する。一部の項目については第１の実施形態で説明した通りである。 (Step S403) Next, the user group
（ステップＳ４０４）ここで、ユーザプロファイル管理部２７３に当該ユーザグループＧｕのユーザグループ嗜好ベクトルが未だ保存されていない場合、ユーザグループ嗜好学習部２７２は、作成した学習用データをそのままユーザプロファイル管理部２７３に当該ユーザグループＧｕのユーザグループ嗜好ベクトルの初期値として保存する。ユーザプロファイル管理部２７３に当該ユーザグループＧｕのユーザグループ嗜好ベクトルが既に保存されている場合には、ユーザグループ嗜好学習部２７２は作成した学習用データを用いて、ユーザプロファイル管理部２７３に既に保存されている当該ユーザグループＧｕのユーザグループ嗜好ベクトルの更新（学習）を行う。ユーザグループ嗜好ベクトルの更新の具体的な方法については第１の実施形態で説明した通りである。 (Step S404) Here, when the user group preference vector of the user group Gu is not yet stored in the user
［ユーザグループ番組推薦の動作］
次に、ユーザグループ番組推薦の動作について説明する。
図９は、番組推薦処理部２６Ａによるユーザグループ番組推薦の手順を示すフローチャートである。[User group program recommendation]
Next, the user group program recommendation operation will be described.
FIG. 9 is a flowchart showing a user group program recommendation procedure by the program
（ステップＳ５０１）ユーザグループ推薦番組判定部２７４は、所定のイベントの発生を契機に、撮影部２２によって撮影された映像からユーザグループ判定部２７１によって判定されたユーザグループに対応する、ユーザプロファイル管理部２７３内のユーザグループ嗜好ベクトルと、番組特徴量管理部２６３に保存された各番組の番組特徴量ベクトルとの間のコサイン距離によって表される類似度を算出する。次に、ユーザグループ推薦番組判定部２７４は、類似度が高い上位所定数の番組を推薦番組として判定する。そしてユーザグループ推薦番組判定部２７４は、判定結果である推薦番組の番組ＩＤを推薦番組情報出力部２６９に出力する。 (Step S501) The user group recommended
所定のイベントとしては、例えば、ユーザプロファイル管理部２７３に既に保存されているユーザグループ嗜好ベクトルの更新、情報処理装置２Ａのシステムの立ち上がり、視聴者Ｕからの推薦番組の表示要求の入力、一定の時間周期などがある。視聴者Ｕは、これらの中から希望するイベント、イベント間の優先順位等を情報処理装置２Ａに対して設定できるようにしてもよい。なお、視聴者Ｕにより設定可能な項目としては、上記のほかに、推薦番組の数、推薦番組表示のソート条件、ユーザグループ嗜好学習の対象となる項目などがある。 As the predetermined event, for example, updating of a user group preference vector already stored in the user
（ステップＳ５０２）推薦番組情報出力部２６９は、ユーザグループ推薦番組判定部２７４より、判定結果である推薦番組の番組ＩＤを受け取ると、その番組ＩＤをキーに、ＥＩＴ取得部２６１に保持されたＥＩＴデータの中から該当する推薦番組に関する情報を取り出す。そして、推薦番組情報出力部２６９は、取り出した推薦番組に関する情報を表示部２１を通して視聴者Ｕに提示する。これにより推薦番組が各視聴者Ｕによって視認可能となる。 (Step S502) When the recommended program
以上のように、本実施形態の情報処理装置２Ａによれば、複数のユーザの組み合わせとしてのユーザグループの単位でのユーザ嗜好情報の学習および放送番組の推薦を行うことができ、各々のユーザにとって、より妥当性の高い番組推薦結果が得られる。 As described above, according to the
［変形例１］
上記の実施形態の変形例１を説明する。
この変形例１の情報処理装置２Ａは、ユーザ嗜好学習、ユーザグループ嗜好学習の結果を視聴者Ｕに提示する手段を有するものである。[Modification 1]
The
図１０は第１の実施形態の情報処理装置２において、ユーザ嗜好学習部２６６によるユーザ嗜好学習の結果を表示部２１を通じて視聴者Ｕに提示するようにした場合のブロック図である。ユーザ嗜好学習部２６６は、ユーザ嗜好学習によりユーザ嗜好ベクトルを更新したとき、そのユーザ嗜好学習が行われたことを示す情報３０１を表示部２１に出力し、表示部２１に視覚的な情報として出力させる。 FIG. 10 is a block diagram in a case where the result of user preference learning by the user
図１１はユーザ嗜好学習結果の表示情報の例を示す図である。表示情報３０２として、例えば、「３人で見た番組だと学習しました」のように、学習が行われたことを示す文字情報が表示部２１を通じて視聴者Ｕに提示される。これにより、視聴者Ｕにどのタイミングで自分の嗜好が学習されたかを示すことが可能になり、番組推薦結果に対するユーザの信頼度向上を期待できる。 FIG. 11 is a diagram illustrating an example of display information of a user preference learning result. As the
ユーザ嗜好学習の結果は、文字情報の他、アニメーションやアイコンなどの画像として出力するようにしてもよい。 The result of user preference learning may be output as an image such as an animation or an icon in addition to character information.
［その他の変形例］
以上の実施形態では、視聴者人数の検出に撮像部を用いた。しかし本発明は、これに限定されるものではない。例えば、赤外線、超音波、可視光などの電磁波を使った人感センサを用いて視聴者人数の検出を行うようにしてもよい。[Other variations]
In the above embodiment, the imaging unit is used to detect the number of viewers. However, the present invention is not limited to this. For example, the number of viewers may be detected using a human sensor using electromagnetic waves such as infrared rays, ultrasonic waves, and visible light.
本発明は、上述した実施の形態に限定されるものではなく、本発明の要旨を逸脱しない範囲において種々の変更が可能である。 The present invention is not limited to the above-described embodiment, and various modifications can be made without departing from the gist of the present invention.
２ 情報処理装置
２１ 表示部
２２ 撮像部
２３ 放送信号処理部
２４ 入力部
２５ スピーカ部
２６ 番組推薦処理部
２６１ ＥＩＴ取得部
２６２ 番組特徴量検出部
２６３ 番組特徴量管理部
２６４ 視聴者人数取得部
２６５ 実視聴時間割合取得部
２６６ ユーザ嗜好学習部
２６７ ユーザプロファイル管理部
２６８ 推薦番組判定部
２６９ 推薦番組情報出力部
２７１ ユーザグループ判定部
２７２ ユーザグループ嗜好学習部
２７３ ユーザプロファイル管理部
２７４ ユーザグループ推薦番組判定部
Ｕ 視聴者
Ｇｕ ユーザグループ2
Claims (7)
Translated fromJapanese前記再生された放送番組を視聴中のユーザを撮像するための撮像部と、
前記撮像部より撮像された映像をもとに、前記再生された放送番組を視聴するユーザの数を視聴者人数として取得する視聴者情報取得部と、
放送中の１以上の放送番組の特徴を複数の所定の項目毎の値により表現した特徴情報を取得する特徴情報取得部と、
ユーザの嗜好に関する情報を前記複数の所定の項目毎の値により表現したユーザ嗜好情報を記憶するユーザ嗜好情報記憶部と、
前記再生された放送番組について前記特徴情報取得部により取得された前記特徴情報の前記項目毎の値に、前記視聴者情報取得部により取得された視聴者人数の値に対応する重みを少なくとも付与した学習用データを作成し、この学習用データをもとに、前記ユーザ嗜好情報記憶部に記憶された前記ユーザ嗜好情報の学習を行うユーザ嗜好情報作成部と、
前記放送中の１以上の放送番組の特徴情報と前記ユーザ嗜好情報との類似度を算出し、この類似度をもとに推薦番組を判定する推薦番組判定部と
を具備する情報処理装置。A broadcast signal processing unit that receives and reproduces a broadcast program selected by a user;
An imaging unit for imaging a user who is viewing the reproduced broadcast program;
A viewer information acquisition unit that acquires the number of users who view the reproduced broadcast program as the number of viewersbased on the video captured by the imaging unit ;
A feature information acquisition unit that acquires feature informationexpressing the features of one or more broadcast programs being broadcastby a value for each of a plurality of predetermined items ;
A user preference information storage unit that stores user preference information in which informationabout user preferences isexpressed by a value for each of the plurality of predetermined items ;
The value of each of the items of thesaid characteristic information obtained by the feature information acquiring unit for said reproduced broadcastprogram,and the weight corresponding to the value of the acquired viewer number by the viewer information acquisition unitto at least impart A user preference information creating unit that createslearning data andlearns the user preference information stored in the user preference information storage unit based on thelearning data ;
An information processing apparatus comprising: a recommended program determination unitthat calculates a similarity betweenfeature information ofone or more broadcast programs being broadcast and the user preference information,and determines a recommended program based on thesimilarity .
前記再生された前記放送番組の再生時間を視聴時間として取得し、前記再生された放送番組の全時間長に対する前記視聴時間の割合を視聴時間割合として取得する実視聴時間割合取得部をさらに具備し、
前記ユーザ嗜好情報作成部は、前記視聴者情報取得部により取得された視聴者人数の値に前記実視聴時間割合取得部により取得された実視聴時間割合を加味した重みを算出し、前記再生された放送番組について前記特徴情報取得部により取得された前記特徴情報の前記項目毎の値に前記重みを付与した前記学習用データを作成する
情報処理装置。The information processing apparatus according to claim 1,
It further includes an actual viewing time ratio acquisition unit that acquires the playback time of the reproduced broadcast program as a viewing time and acquires the ratio of the viewing time to the total time length of the reproduced broadcast program as a viewing time ratio. ,
Wherein the user preference information creating unitmaycalculate the weight in consideration of the real viewing time ratio obtained by theprevious SL attentive audience time ratio acquisition unitto the value of the viewer information acquired viewer acquired by the unitnumber, the reproduction An information processing apparatusthat creates the learning data in which the weight is added to the value of each item of the feature information acquired by the feature information acquisition unit for the broadcast program that has been performed .
前記視聴者情報取得部は、前記撮像された一定周期毎の映像から人の顔の部分を検出し、個々の映像の中から検出された顔部分の数の番組視聴終了時点までの平均値を前記視聴者人数として判定する
情報処理装置。The information processing apparatus according to claim1 ,
The viewer information acquisition unit detects a human face portion from the captured video at regular intervals, and calculates an average value of the number of face portions detected from the individual video images until the end of program viewing. An information processing apparatus that determines the number of viewers.
前記ユーザ嗜好情報の学習が行われたことを前記視聴中のユーザに提示する手段をさらに有する
情報処理装置。The information processing apparatus according to claim1 ,
An information processing apparatus further comprising means for presenting to the viewing user that learning of the user preference information has been performed.
前記視聴者情報取得部は、前記放送番組を視聴する複数のユーザをそれぞれ判別して当該複数のユーザの組み合わせとしてのユーザグループを判定し、
前記ユーザ嗜好情報記憶部は、前記ユーザグループ毎の前記ユーザ嗜好情報を記憶し、
前記ユーザ嗜好情報作成部は、前記判定されたユーザグループ毎の前記ユーザ嗜好情報の学習を行い、
前記推薦番組判定部は、前記放送中の１以上の放送番組の特徴情報と前記判定されたユーザグループの前記ユーザ嗜好情報との類似度を算出し、この類似度をもとに推薦番組を判定する
情報処理装置。The information processing apparatus according to claim1 ,
The viewer information acquisition unit determines a user group as a combination of the plurality of users by determining a plurality of users who view the broadcast program,
The user preference information storage unit stores the user preference information for each user group,
The user preference information creation unit learns the user preference information for each of the determined user groups,
The recommended program determination unitcalculates a similarity between the feature information of one or more broadcast programs being broadcast and the user preference information of the determined user group, and determines a recommended program based on thesimilarity Information processing device.
撮像部が、前記再生された放送番組を視聴中のユーザを撮像し、
視聴者情報取得部が、前記撮像部より撮像された映像をもとに、前記再生された放送番組を視聴中のユーザの数を視聴者人数として取得し、
特徴情報取得部が、放送中の１以上の放送番組の特徴を複数の所定の項目毎の値により表現した特徴情報を取得し、
ユーザ嗜好情報作成部が、前記再生された放送番組について前記特徴情報取得部により取得された前記特徴情報の前記項目毎の値に、前記視聴者情報取得部により取得された視聴者人数の値に対応する重みを少なくとも付与した学習用データを作成し、この学習用データをもとに、ユーザの嗜好に関する情報を前記複数の所定の項目毎の値により表現したユーザ嗜好情報を記憶するユーザ嗜好情報記憶部に記憶された前記ユーザ嗜好情報を学習し、
推薦番組判定部が、前記放送中の１以上の放送番組の特徴情報と前記ユーザ嗜好情報との類似度を算出し、この類似度をもとに推薦番組を判定する
情報処理方法。The broadcast signal processing unit receives and plays the broadcast program selected by the user,
The imaging unit images the user who is viewing the reproduced broadcast program,
The viewer information acquisition unit acquires the number of users who are viewing the reproduced broadcast program as the number of viewersbased on the video imaged by the imaging unit ,
A feature information acquisition unit acquires feature information thatexpresses features of one or more broadcast programs being broadcastby values for a plurality of predetermined items ,
User preference information creating unit,the value of each of the items of thesaid characteristic information obtained by the feature information acquiring unit for said reproduced broadcastprogram,the value of the obtained viewer number by the viewer information acquisition unitUser preference informationthat creates learning data with at least a corresponding weight, and stores user preference information in which information about user preferences isexpressed by values for each of the predetermined items based on thelearning dataLearning the user preference information stored in the storage unit,
An information processing method, wherein a recommended program determination unitcalculates a similarity betweenfeature information ofone or more broadcast programs being broadcast and the user preference information,and determines a recommended program based on thesimilarity .
前記再生された放送番組を視聴中のユーザを撮像するための撮像部により撮像された映像をもとに、前記再生された放送番組を視聴するユーザの数を視聴者人数として取得する視聴者情報取得部と、
放送中の１以上の放送番組の特徴を複数の所定の項目毎の値により表現した特徴情報を取得する特徴情報取得部と、
前記再生された放送番組について前記特徴情報取得部により取得された前記特徴情報の前記項目毎の値に、前記視聴者情報取得部により取得された視聴者人数の値に対応する重みを少なくとも付与した学習用データを作成し、この学習用データをもとに、ユーザの嗜好に関する情報を前記複数の所定の項目毎の値により表現したユーザ嗜好情報を記憶するユーザ嗜好情報記憶部に記憶された前記ユーザ嗜好情報を学習するユーザ嗜好情報作成部と、
前記放送中の１以上の放送番組の特徴情報と前記ユーザ嗜好情報との類似度を算出し、この類似度をもとに推薦番組を判定する推薦番組判定部として
コンピュータを動作させるプログラム。A broadcast signal processing unit that receives and reproduces a broadcast program selected by a user;
Viewer information for acquiring the number of users who view the reproduced broadcast program as the number of viewersbased on the video captured by the imaging unit for capturing the user who is viewing the reproduced broadcast program An acquisition unit;
A feature information acquisition unit that acquires feature informationexpressing the features of one or more broadcast programs being broadcastby a value for each of a plurality of predetermined items ;
The value of each of the items of thesaid characteristic information obtained by the feature information acquiring unit for said reproduced broadcastprogram,and the weight corresponding to the value of the acquired viewer number by the viewer information acquisition unitto at least impart The learning data is created, and based on thelearning data ,the user preference information storage unitstores user preference information in which information about user preferences is expressed by a value for each of the plurality of predetermined items. A user preference information creation unit for learning user preference information;
A program that causes a computer to operate as a recommended program determination unitthat calculates the similarity betweenthe feature information ofone or more broadcast programs being broadcast and the user preference information,and determines a recommended program based on thesimilarity .
Priority Applications (3)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010001017AJP5482206B2 (en) | 2010-01-06 | 2010-01-06 | Information processing apparatus, information processing method, and program |
| US12/930,123US8935727B2 (en) | 2010-01-06 | 2010-12-29 | Information processing apparatus, information processing method, and program |
| CN201010614245.5ACN102118639B (en) | 2010-01-06 | 2010-12-30 | Information processor and information processing method |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| JP2010001017AJP5482206B2 (en) | 2010-01-06 | 2010-01-06 | Information processing apparatus, information processing method, and program |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| JP2011142432A JP2011142432A (en) | 2011-07-21 |
| JP5482206B2true JP5482206B2 (en) | 2014-05-07 |
Family
ID=44217207
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| JP2010001017AExpired - Fee RelatedJP5482206B2 (en) | 2010-01-06 | 2010-01-06 | Information processing apparatus, information processing method, and program |
Country Status (3)
| Country | Link |
|---|---|
| US (1) | US8935727B2 (en) |
| JP (1) | JP5482206B2 (en) |
| CN (1) | CN102118639B (en) |
Families Citing this family (34)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20090158309A1 (en)* | 2007-12-12 | 2009-06-18 | Hankyu Moon | Method and system for media audience measurement and spatial extrapolation based on site, display, crowd, and viewership characterization |
| US9262526B2 (en)* | 2010-01-28 | 2016-02-16 | Karl Muth | System and method for compiling search results using information regarding length of time users spend interacting with individual search results |
| EP2553657A4 (en)* | 2010-04-02 | 2015-04-15 | Nokia Corp | METHODS AND APPARATUS FOR FACIAL DETECTION |
| JP2012119793A (en)* | 2010-11-29 | 2012-06-21 | Fujitsu Ltd | Video recording device, video recording method, and video recording program |
| CN102263999B (en)* | 2011-08-03 | 2014-07-16 | Tcl集团股份有限公司 | Face-recognition-based method and system for automatically classifying television programs |
| ITMI20120061A1 (en)* | 2012-01-20 | 2013-07-21 | Palo Leonardo De | AUTOMATIC ACQUISITION SYSTEM OF THE NUMBER OF THE SPECTATORS PRESENT IN FRONT OF THE TV AND FORWARD A SERVER FOR THE PROCESSING OF ACQUIRED DATA. |
| WO2014000273A1 (en)* | 2012-06-29 | 2014-01-03 | Intel Corporation | Method and apparatus for selecting an advertisement for display on a digital sign |
| JP6205700B2 (en)* | 2012-10-15 | 2017-10-04 | 富士通株式会社 | Information providing system, apparatus for receiving provided information, apparatus for transmitting provided information, program, and information providing method |
| JP6115987B2 (en) | 2013-02-18 | 2017-04-19 | 日立マクセル株式会社 | Video display device, video display method, and program |
| US9489638B2 (en)* | 2013-08-02 | 2016-11-08 | Telefonaktiebolaget Lm Ericsson (Publ) | Method and apparatus for propagating user preference information in a communications network |
| CN103731737B (en)* | 2013-12-19 | 2017-03-15 | 乐视网信息技术（北京）股份有限公司 | A kind of video information update method and electronic equipment |
| CN103747290B (en)* | 2014-01-02 | 2018-03-27 | Tcl集团股份有限公司 | A kind of information-pushing method and device |
| CN103780960A (en)* | 2014-01-23 | 2014-05-07 | 京东方科技集团股份有限公司 | Program playing method, program playing system and display device |
| US10796384B2 (en)* | 2014-05-30 | 2020-10-06 | Google Llc | Suggesting pre-created groups based on a user web identity and online interactions |
| US9712870B2 (en)* | 2014-06-11 | 2017-07-18 | Dennis Gonzalez | System for capturing and monitoring the amount of users watching a media device |
| US9729933B2 (en)* | 2014-06-30 | 2017-08-08 | Rovi Guides, Inc. | Systems and methods for loading interactive media guide data based on user history |
| US9807436B2 (en)* | 2014-07-23 | 2017-10-31 | Rovi Guides, Inc. | Systems and methods for providing media asset recommendations for a group |
| CN104410911B (en)* | 2014-12-31 | 2015-12-09 | 合一网络技术(北京)有限公司 | A Method for Aided Facial Expression Recognition Based on Video Emotion Labeling |
| CN108028965A (en)* | 2015-10-02 | 2018-05-11 | 夏普株式会社 | Terminal installation and control server |
| CN105681900A (en)* | 2015-12-31 | 2016-06-15 | 宇龙计算机通信科技(深圳)有限公司 | Information processing method and mobile terminal |
| US10003847B2 (en)* | 2016-04-22 | 2018-06-19 | Google Llc | Watch-time clustering for improving video searches, selection and provision |
| JP6776716B2 (en)* | 2016-08-10 | 2020-10-28 | 富士ゼロックス株式会社 | Information processing equipment, programs |
| JP2018051648A (en)* | 2016-09-27 | 2018-04-05 | 大日本印刷株式会社 | Robot control apparatus, robot, robot control method, and program |
| JP6903530B2 (en)* | 2017-09-12 | 2021-07-14 | シャープ株式会社 | Display device, television receiver, display method, control program and recording medium |
| JP7197763B2 (en)* | 2018-07-31 | 2022-12-28 | キヤノンマーケティングジャパン株式会社 | Information processing device, processing method, program |
| US11336968B2 (en)* | 2018-08-17 | 2022-05-17 | Samsung Electronics Co., Ltd. | Method and device for generating content |
| US10491940B1 (en) | 2018-08-23 | 2019-11-26 | Rovi Guides, Inc. | Systems and methods for displaying multiple media assets for a plurality of users |
| US11079911B2 (en)* | 2018-12-26 | 2021-08-03 | Synaptics Incorporated | Enrollment-free offline device personalization |
| CN111723618A (en)* | 2019-03-21 | 2020-09-29 | 浙江莲荷科技有限公司 | Information processing method and device |
| CN110267109A (en)* | 2019-06-29 | 2019-09-20 | 深圳市九洲电器有限公司 | A kind of health programing method for pushing and device, set-top box |
| US11589094B2 (en)* | 2019-07-22 | 2023-02-21 | At&T Intellectual Property I, L.P. | System and method for recommending media content based on actual viewers |
| CN113613081B (en)* | 2021-09-29 | 2021-12-03 | 深圳佳力拓科技有限公司 | Program recommendation method and device based on target program recommendation model |
| WO2023197204A1 (en)* | 2022-04-13 | 2023-10-19 | Comcast Cable Communications, Llc | Managing transmission resources |
| US11985385B1 (en) | 2023-02-09 | 2024-05-14 | Roku, Inc. | Dynamic control of media-content presentation based on user presence and/or user profile |
Family Cites Families (17)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US5781650A (en)* | 1994-02-18 | 1998-07-14 | University Of Central Florida | Automatic feature detection and age classification of human faces in digital images |
| EP0933891A3 (en)* | 1998-02-02 | 2005-01-19 | Matsushita Electric Industrial Co., Ltd. | Digital TV broadcast transmitting apparatus, digital TV broadcast receiving apparatus, and digital TV broadcast transmitting/receiving system which facilitate preselection of TV programs, and computer readable recording medium storing a program for achieving a function of the digital TV broadcast receiving apparatus |
| US6614987B1 (en)* | 1998-06-12 | 2003-09-02 | Metabyte, Inc. | Television program recording with user preference determination |
| JP4828679B2 (en) | 1999-12-01 | 2011-11-30 | ソニー株式会社 | Reception device, content selection method, and broadcasting system |
| US20020116710A1 (en) | 2001-02-22 | 2002-08-22 | Schaffer James David | Television viewer profile initializer and related methods |
| JP4020694B2 (en)* | 2002-05-15 | 2007-12-12 | 株式会社電通 | Ad market system and method |
| JP2005278096A (en)* | 2004-03-26 | 2005-10-06 | Pioneer Electronic Corp | Recording device and recording method |
| KR101128793B1 (en)* | 2005-01-04 | 2012-03-27 | 엘지전자 주식회사 | Method and Apparatus of automatic recording using the EPG data analysis |
| JP4932161B2 (en)* | 2005-01-14 | 2012-05-16 | 三菱電機株式会社 | Viewer information measuring device |
| JP2006259930A (en)* | 2005-03-15 | 2006-09-28 | Omron Corp | Display device and its control method, electronic device equipped with display device, display device control program, and recording medium recording program |
| US8155446B2 (en)* | 2005-11-04 | 2012-04-10 | Eyetracking, Inc. | Characterizing dynamic regions of digital media data |
| US7681217B2 (en)* | 2006-01-04 | 2010-03-16 | Hitachi, Ltd. | Video system and video selection method thereof |
| JP4179341B2 (en)* | 2006-06-01 | 2008-11-12 | ソニー株式会社 | Information processing apparatus and method, program, and recording medium |
| US20080059994A1 (en)* | 2006-06-02 | 2008-03-06 | Thornton Jay E | Method for Measuring and Selecting Advertisements Based Preferences |
| JP2008092216A (en)* | 2006-09-29 | 2008-04-17 | Toshiba Corp | Broadcast receiving apparatus, server apparatus, and program recommendation method for broadcast receiving apparatus |
| JP2009081637A (en)* | 2007-09-26 | 2009-04-16 | Brother Ind Ltd | Program information selection apparatus and program information selection program |
| JP5844044B2 (en) | 2007-11-21 | 2016-01-13 | クアルコム，インコーポレイテッド | Device access control |
- 2010
- 2010-01-06JPJP2010001017Apatent/JP5482206B2/ennot_activeExpired - Fee Related
- 2010-12-29USUS12/930,123patent/US8935727B2/enactiveActive
- 2010-12-30CNCN201010614245.5Apatent/CN102118639B/ennot_activeExpired - Fee Related
Also Published As
| Publication number | Publication date |
|---|---|
| US8935727B2 (en) | 2015-01-13 |
| JP2011142432A (en) | 2011-07-21 |
| CN102118639B (en) | 2015-10-14 |
| CN102118639A (en) | 2011-07-06 |
| US20110173662A1 (en) | 2011-07-14 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| JP5482206B2 (en) | Information processing apparatus, information processing method, and program | |
| US9479824B2 (en) | Video display device and method of controlling the same | |
| US20190082212A1 (en) | Method for receiving enhanced service and display apparatus thereof | |
| US10080046B2 (en) | Video display device and control method thereof | |
| JP5703610B2 (en) | Content server, content viewing system, content recommendation method, and content display device | |
| JP5155194B2 (en) | Recommended recording and download guide | |
| US8613024B2 (en) | Cross-platform predictive popularity ratings for use in interactive television applications | |
| EP2464138A1 (en) | Multimedia system and method of recommending multimedia content | |
| JP2011142468A (en) | Information processing apparatus, information processing method, and program | |
| KR20010080587A (en) | Television system for suggesting programs based on content and viewer profile | |
| KR20130135376A (en) | Detailed information management system | |
| WO2011118249A1 (en) | Content recommendation server, content display terminal, and content recommendation system | |
| KR101779975B1 (en) | System for providing additional service of VOD content using SNS message and method for providing additional service using the same | |
| KR101102351B1 (en) | Method and system for providing customized broadcasting program | |
| US20120263431A1 (en) | Video content reproduction apparatus and method of displaying content information | |
| JP2010206440A (en) | Digital broadcast receiver and commercial effect evaluation method | |
| KR101212448B1 (en) | Virtual group Managing device for providing Electronic Program Guide for prefer broadcast channels to user | |
| HK1251101A1 (en) | Tv program recommendation method and equipment and computer readable storage medium |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| A621 | Written request for application examination | Free format text:JAPANESE INTERMEDIATE CODE: A621 Effective date:20121227 | |
| A977 | Report on retrieval | Free format text:JAPANESE INTERMEDIATE CODE: A971007 Effective date:20130913 | |
| A131 | Notification of reasons for refusal | Free format text:JAPANESE INTERMEDIATE CODE: A131 Effective date:20131015 | |
| A521 | Request for written amendment filed | Free format text:JAPANESE INTERMEDIATE CODE: A523 Effective date:20131213 | |
| TRDD | Decision of grant or rejection written | ||
| A01 | Written decision to grant a patent or to grant a registration (utility model) | Free format text:JAPANESE INTERMEDIATE CODE: A01 Effective date:20140121 | |
| A61 | First payment of annual fees (during grant procedure) | Free format text:JAPANESE INTERMEDIATE CODE: A61 Effective date:20140203 | |
| R151 | Written notification of patent or utility model registration | Ref document number:5482206 Country of ref document:JP Free format text:JAPANESE INTERMEDIATE CODE: R151 | |
| R250 | Receipt of annual fees | Free format text:JAPANESE INTERMEDIATE CODE: R250 | |
| R250 | Receipt of annual fees | Free format text:JAPANESE INTERMEDIATE CODE: R250 | |
| R250 | Receipt of annual fees | Free format text:JAPANESE INTERMEDIATE CODE: R250 | |
| R250 | Receipt of annual fees | Free format text:JAPANESE INTERMEDIATE CODE: R250 | |
| R250 | Receipt of annual fees | Free format text:JAPANESE INTERMEDIATE CODE: R250 | |
| R250 | Receipt of annual fees | Free format text:JAPANESE INTERMEDIATE CODE: R250 | |
| LAPS | Cancellation because of no payment of annual fees |